CN112329589B - 一种基于高维特征算法的人脸识别方法 - Google Patents
一种基于高维特征算法的人脸识别方法 Download PDFInfo
- Publication number
- CN112329589B CN112329589B CN202011192256.9A CN202011192256A CN112329589B CN 112329589 B CN112329589 B CN 112329589B CN 202011192256 A CN202011192256 A CN 202011192256A CN 112329589 B CN112329589 B CN 112329589B
- Authority
- CN
- China
- Prior art keywords
- face
- features
- face image
- calculating
- dimensional feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于高维特征算法的人脸识别方法,包括如下步骤:S1:采集人脸图像信息,构建人像数据库;S2:数据库人脸图像信息预处理;S3:计算待搜索数据集与主轴特征的向量夹角集合,同时计算该集合中元素方差,并按照升序排列,完成快速搜索图构建;S4:导入待识别人脸图像信息并进行人脸特征提取;S5:将待识别人脸特征通过搜索图进行搜索;S6:导出最相似特征,识别对应的人脸图像。本发明的有益效果:动态增删新数据;轻量级处理流程,构建速度快;与普通搜索相比搜索速度提升20‑50倍;准确性高,满足100%准确率。
Description
技术领域
本发明涉及高维空间中特征的快速最近邻查找技术,具体的,涉及一种基于高维特征算法的人脸识别方法。
背景技术
一种用于高维空间中的快速最近邻查找技术,目前常用的技术手段大多是近似最近邻查找,比如Faiss,nsg,kgraph,kd-tree,这些方法的实现流程大都是先构建查询树或图,基于构建好的树或图进行近似搜索,这种实现构建过程往往比较复杂而且时间耗时较长,对于构建好的树或图很难进行动态插入一组数据,目前的解决方法大都是对新的动态数据结合之前的所有数据集进行重新构建,这样每次增加数据都不能达到实时的效果,同时使用最近邻匹配后的精度多少会有些损失。
发明内容
本发明的目的在于,针对上述问题,提出一种基于高维特征算法的人脸识别方法。
一种基于高维特征算法的人脸识别方法,包括如下步骤:
S1:采集人脸图像信息,构建人像数据库;
S2:数据库人脸图像信息预处理;
S3:计算待搜索数据集与主轴特征的向量夹角集合,同时计算该集合中元素方差,并按照升序排列,完成快速搜索图构建;
S4:导入待识别人脸图像信息并进行人脸特征提取;
S5:将待识别人脸特征通过搜索图进行搜索;
S6:导出最相似特征,识别对应的人脸图像。
所述S2包括如下子步骤:
S21:将采集的人脸图像信息进行有效筛选,淘汰不符合要求的人脸图像数据;
S22:将采集的人脸图像信息进行归一化处理,提取人脸特征,构建特征集合。
所述步骤S5包括如下子步骤:
S51:计算待识别人脸特征与主轴特征的向量夹角集合;
S52:利用中值查询法,查询集合与快速搜索图中元素差值大于最大类内夹角的元素集合,作为淘汰数据;
S53:执行淘汰操作,整理淘汰元素后的集合;
S54:重复步骤S51-S52;
S55:淘汰更多元素,完成最终的高维特征集合。
所述步骤S6包括如下子步骤:
S61:利用角度公式计算步骤S55中得到的高维特征集合中角度最小的元素;
S62:判断该元素与最大类内夹角的大小;
S63:若该元素小于最大类内夹角,则快速搜索图中有满足要求的元素,输出满足该元素的人脸特征图像;
S64:若该元素大于最大类内夹角,则快速搜索图中没有满足要求的元素;执行步骤S65;
S65:添加或删除特征元素执行步骤S3,直至找出符合要求的人脸特征图像。
本发明的有益效果:动态增删新数据,无需重新构建图;轻量级处理流程,构建速度快,是普通构建速度的10倍以上;与普通搜索相比搜索速度提升明显:20-50倍(1万-50万特征的集合);准确性高,满足100%准确率。
附图说明
图1为本发明方法流程图。
图2为本发明的算法实现步骤。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式。
如图1所示,一种基于高维特征算法的人脸识别方法,包括如下步骤:
S1:采集人脸图像信息,构建人像数据库;
S2:数据库人脸图像信息预处理;
S3:计算待搜索数据集与主轴特征的向量夹角集合,同时计算该集合中元素方差,并按照升序排列,完成快速搜索图构建;
S4:导入待识别人脸图像信息并进行人脸特征提取;
S5:将待识别人脸特征通过搜索图进行搜索;
S6:导出最相似特征,识别对应的人脸图像。
所述S2包括如下子步骤:
S21:将采集的人脸图像信息进行有效筛选,淘汰不符合要求的人脸图像数据;
S22:将采集的人脸图像信息进行归一化处理,提取人脸特征,构建特征集合。
所述步骤S5包括如下子步骤:
S51:计算待识别人脸特征与主轴特征的向量夹角集合;
S52:利用中值查询法,查询集合与快速搜索图中元素差值大于最大类内夹角的元素集合,作为淘汰数据;
S53:执行淘汰操作,整理淘汰元素后的集合;
S54:重复步骤S51-S52;
S55:淘汰更多元素,完成最终的高维特征集合。
所述步骤S6包括如下子步骤:
S61:利用角度公式计算步骤S55中得到的高维特征集合中角度最小的元素;
S62:判断该元素与最大类内夹角的大小;
S63:若该元素小于最大类内夹角,则快速搜索图中有满足要求的元素,输出满足该元素的人脸特征图像;
S64:若该元素大于最大类内夹角,则快速搜索图中没有满足要求的元素;执行步骤S65;
S65:添加或删除特征元素执行步骤S3,直至找出符合要求的人脸特征图像。
如图2所示,一种基于高维特征算法的人脸识别方法,其中高维特征算法实现步骤如下:
步骤1:分别计算待搜索数据集中每个元素与所有主轴特征的向量夹角,得到待搜索数据集中每个元素与所有主轴特征构成的向量夹角的角度集合;
步骤2:计算每个集合中角度元素的方差,标定方差最大的前m个集合;
步骤3:分别对标定的m个集合中的元素进行升序排序;
步骤4:计算待搜索向量Q与所有主轴特征的向量夹角,得到所有主轴特征与待搜索向量Q向量夹角的角度集合;
步骤5:利用中值查询法,查询每个主轴特征与待搜索向量Q向量夹角的角度集合中各元素的差值大于lamda的元素作为淘汰的元素集合;
步骤6:对待搜索数据集进行淘汰操作,将待搜索数据集减去;
步骤7:重复步骤S4-S6,对待搜索数据集进行m次操作,获得待搜索剩余元素集合;
步骤8:利用角度计算公式计算Q与待搜索剩余元素集合中角度最小的元素MinA,若MinA>lamda,则该待搜索数据集中没有最近邻匹配元素;若MinA<lamda,则MinA为满足最近邻匹配要求的元素。
还包括如下步骤:
步骤9:添加元素,增加元素AM+1,重复步骤S1-S3中的独立部分;
步骤10:删除指定元素;
步骤11:完成搜索。
需要说明的是,所述高纬度待搜索数据集合为SetAN<A1,A2,A3,A4,A5,……,AN>,A1到AN为高纬度特征,元素A1类似(x1,x2,x3,x4.....,xM),x属于R。
需要说明的是,所述主轴特征定义为E1(0,0,0,0,,,,1),E2(0,0,0,0,,,1,0),……,Em(1,,,0,0,0,0,0)。
需要理解的是,所述步骤1中向量夹角计算公式为thetaA1E1=(A1*E1)/(|A1|*|E1|),|E1|=1,thetaA1E1=(A1*E1)/(|A1|);向量集合为SetThetaAEM<thetaA1EM,thetaA2EM,thetaA3EM,......,thetaANEM>。
需要说明的是,所述步骤2中的lamda为选择最大类内夹角。
需要说明的是,所述步骤5中淘汰的集合为AKE1<Ax1,Ax2,……,Axn>(n<=N)。
需要说明的是,所述步骤7中的剩余的待搜索集合为SetANO<E1,E2,……,Em>。
Claims (2)
1.一种基于高维特征算法的人脸识别方法,其特征在于,包括如下步骤:
S1:采集人脸图像信息,构建人像数据库;
S2:数据库人脸图像信息预处理;
S3:计算待搜索数据集与主轴特征的向量夹角集合,同时计算该集合中元素方差,并按照升序排列,完成快速搜索图构建;所述主轴特征定义为 E1(0,0,0,0,,,,1),E2(0,0,0,0,,,1,0),……,Em(1,,,0,0,0,0,0);
S4:导入待识别人脸图像信息并进行人脸特征提取;
S5:将待识别人脸特征通过搜索图进行搜索;
所述步骤S5包括如下子步骤:
S51:计算待识别人脸特征与主轴特征的向量夹角集合;
S52:利用中值查询法,查询集合与快速搜索图中元素差值大于最大类内夹角的元素集合,作为淘汰数据;
S53:执行淘汰操作,整理淘汰元素后的集合;
S54:重复步骤S51-S52;
S55:淘汰更多元素,完成最终的高维特征集合;
S6:导出最相似特征,识别对应的人脸图像;
所述步骤S6包括如下子步骤:
S61:利用角度公式计算步骤S55中得到的高维特征集合中角度最小的元素;
S62:判断该元素与最大类内夹角的大小;
S63:若该元素小于最大类内夹角,则快速搜索图中有满足要求的元素,输出满足该元素的人脸特征图像;
S64:若该元素大于最大类内夹角,则快速搜索图中没有满足要求的元素;执行步骤S65;
S65:添加或删除特征元素执行步骤S3,直至找出符合要求的人脸特征图像。
2.如权利要求1所述一种基于高维特征算法的人脸识别方法,其特征在于,所述S2包括如下子步骤:
S21:将采集的人脸图像信息进行有效筛选,淘汰不符合要求的人脸图像数据;
S22:将采集的人脸图像信息进行归一化处理,提取人脸特征,构建特征集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011192256.9A CN112329589B (zh) | 2020-10-30 | 2020-10-30 | 一种基于高维特征算法的人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011192256.9A CN112329589B (zh) | 2020-10-30 | 2020-10-30 | 一种基于高维特征算法的人脸识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112329589A CN112329589A (zh) | 2021-02-05 |
CN112329589B true CN112329589B (zh) | 2023-03-24 |
Family
ID=74296787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011192256.9A Active CN112329589B (zh) | 2020-10-30 | 2020-10-30 | 一种基于高维特征算法的人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329589B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273796A (zh) * | 2017-05-05 | 2017-10-20 | 珠海数字动力科技股份有限公司 | 一种基于人脸特征的快速人脸识别搜索方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100825756B1 (ko) * | 2006-12-05 | 2008-04-29 | 한국전자통신연구원 | 얼굴 특징 추출 방법 및 그 장치 |
CN104765768B (zh) * | 2015-03-09 | 2018-11-02 | 深圳云天励飞技术有限公司 | 海量人脸库的快速准确检索方法 |
CN106169067B (zh) * | 2016-07-01 | 2019-05-28 | 恒东信息科技无锡有限公司 | 一种高通量警用动态人脸采集比对方法及系统 |
CN109815929A (zh) * | 2019-01-31 | 2019-05-28 | 青岛科技大学 | 基于卷积神经网络的人脸识别方法 |
US10949702B2 (en) * | 2019-04-16 | 2021-03-16 | Cognizant Technology Solutions India Pvt. Ltd. | System and a method for semantic level image retrieval |
CN110781798B (zh) * | 2019-10-22 | 2022-08-12 | 浙江工业大学 | 一种基于树莓派和人脸识别的车载嫌疑犯锁定系统 |
CN111639535B (zh) * | 2020-04-29 | 2023-08-22 | 深圳英飞拓智能技术有限公司 | 基于深度学习的人脸识别方法及装置 |
-
2020
- 2020-10-30 CN CN202011192256.9A patent/CN112329589B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273796A (zh) * | 2017-05-05 | 2017-10-20 | 珠海数字动力科技股份有限公司 | 一种基于人脸特征的快速人脸识别搜索方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112329589A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101183391B1 (ko) | 메트릭 임베딩에 의한 이미지 비교 | |
CN110148117B (zh) | 基于电力图像的电力设备缺陷识别方法、装置与存储介质 | |
CN111539444A (zh) | 一种修正式模式识别及统计建模的高斯混合模型方法 | |
CN112489723B (zh) | 基于局部进化信息的dna结合蛋白预测方法 | |
CN111125408A (zh) | 基于特征提取的搜索方法、装置、计算机设备和存储介质 | |
CN116958688A (zh) | 一种基于YOLOv8网络的目标检测方法及系统 | |
CN110349176B (zh) | 基于三重卷积网络和感知干扰学习的目标跟踪方法和系统 | |
CN112329589B (zh) | 一种基于高维特征算法的人脸识别方法 | |
JP5353482B2 (ja) | パターン認識用辞書生成装置、パターン認識装置、及びパターン認識用辞書生成方法 | |
CN113852612B (zh) | 一种基于随机森林的网络入侵检测方法 | |
CN113420733B (zh) | 一种高效分布式大数据数据采集实现方法及系统 | |
CN113989567A (zh) | 垃圾图片分类方法及装置 | |
CN113743443A (zh) | 一种图像证据分类和识别方法及装置 | |
CN113360485A (zh) | 一种基于生成对抗网络的工程数据增强算法 | |
CN117235137B (zh) | 一种基于向量数据库的职业信息查询方法及装置 | |
CN111125197A (zh) | 基于mic和mp的数据集异常数据处理方法 | |
CN114884896B (zh) | 一种基于特征扩展和自动机器学习的移动应用流量感知方法 | |
CN117435246B (zh) | 一种基于马尔可夫链模型的代码克隆检测方法 | |
CN113807400B (zh) | 一种基于对抗攻击的高光谱图像分类方法、系统和设备 | |
Park | A method to convert non-numeric characters into numerical values in dynamic time warping for string matching | |
Sarowar et al. | HOG feature descriptor based PCA with SVM for efficient & accurate classification of objects in image | |
JP3986008B2 (ja) | 統計解析装置及び統計解析プログラム | |
CN111680714A (zh) | 基于行为分析的计算机智能辅助系统及方法 | |
CN114445811A (zh) | 一种图像处理方法、装置及电子设备 | |
CN117197874A (zh) | 基于k-近邻构图比值和降维算法的人脸识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Third floor, No.10, Jiuxing Avenue, high tech Zone, Chengdu, Sichuan 610041 Applicant after: Sichuan Tianyi Network Co.,Ltd. Address before: Third floor, No.10, Jiuxing Avenue, high tech Zone, Chengdu, Sichuan 610041 Applicant before: SICHUAN TIANYI NETWORK SERVICE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |